Никандров - Экспериментальная психология. Никандров В. В. Экспериментальная психология

• Название: Никандров В. В. Экспериментальная психология
• Дата: 30.04.2023
• Размер: 3.86 Mb.
• Имя файла: Никандров - Экспериментальная психология.pdf
• Тип: Книга; #1099521
• страница: 26 из 35

совокупности взаимодействующих
нейронов. На языке инженерного моделирования эту совокупность чаще всего называют
нейронной сетью. На языке физиологии (и психологии) эту совокупность чаще всего называют
мозгом, подразумевая в первую очередь кору головного мозга и, конечно, не забывая, что мозг – только один из отделов целостной нервной системы, что центральная нервная система (ЦНС) никак не может функционировать без периферической НС.
Нейронные сети уже могут реализовать один из важнейших принципов работы естественных нейронных ансамблей – упорядоченность в случайном, порядок из хаоса [300, 301, 302, 390, 391].
Классической иллюстрацией реализации этого принципа является сокращение мышцы. На ее эффекторы посылаются сигналы от сотен и сотен мотонейронов, каждый аксон которых разветвляется на десятки коллатералей. Каждая коллатеральная ветвь иннервирует отдельное

мышечное волокно, вызывая в нем одиночный цикл напряжения-расслабления. Но в результате несин-хронизированного наложения сокращений огромного множества волокон производится плавное сокращение всей мышцы. Получается, что, хотя одиночный нервный импульс подчиняется закону «все или ничего», общий ответ представляет собой «градуальную реакцию».
Для компоновки сетей используются как описанные выше модели отдельных нейронов, так и отличающиеся от них в некоторых деталях. Например, С. Дейч приводит квазилинейную модель нейрона, способную имитировать действие медиаторов на работу нервной клетки, а в совокупности с другими такими же моделями реализующую описанный только что принцип
«порядок из хаоса» [ 106]. Практика моделирования нейронных сетей демонстрирует их значительное разнообразие по составу, структуре, функциям. Нейронные сети с обратной связью позволяют моделировать процессы памяти и обучения.
Наиболее известное достижение в моделировании нейронных сетей – перцептроны
Розенблатта [325, 398, 475]. Это технические устройства, выполняющие функции восприятия и памяти, позволяющие распознавать не очень сложные объекты (например, буквы алфавита). При этом перцептроны обладают способностью обучаться. Теоретической основой перцептронов выступает «модель мозга», под которой Ф. Розенблатт понимал «любую теоретическую систему, которая стремится объяснить физиологические функции мозга с помощью известных законов физики и математики, а также известных фактов нейроанатомии и нейрофизиологии» [325, с. 23].
Инженерное воплощение перцептрона на входе имеет матрицу из фотоэлементов, объединенных с простыми электронными схемами так, что освещенному фотоэлементу соответствует сигнал +1, а не освещенному – ноль. За этой матрицей датчиков, сопоставимых с рецепторными клетками сетчатки глаза, размещен слой электрических элементов, каждый из которых соединен с каким-либо одним фотоэлементом случайным образом. Электрические элементы обладают порогом срабатывания и выдают сигналы «Да» или «Нет» в виде +1 или –1.
Если сумма приходящих от фотоэлементов сигналов меньше порога срабатывания, то на выходе злектроэлемента выдается сигнал –1, если больше – сигнал +1. Сколько и как просуммировалось сигналов на входе электрозлемента – не важно, главное – превышает или нет эта сумма пороговую величину элемента. Электрозлементы далее упорядочение соединены с третьим слоем элементов – усилителей сигнала. Коэффициент усиления может регулироваться по общей для всех усилителей команде. Каждый электроэлемент в совокупности с усилителем является
«ячейкой памяти» и носит название «ассоциативный прибор». Сигналы от этих ассоциативных приборов подаются на входное устройство, именуемое «решающим прибором» и суммирующее все сигналы от элементов памяти. Решающий прибор также обладает порогом срабатывания и двумя выходными сигналами; если сумма сигналов от усилителей больше нуля, выдается ответ
+1, если меньше нуля, то –1, независимо от того, откуда и от каких элементов предыдущего слоя пришли на его вход сигналы. Таким образом, перцептрон способен разделить любые комбинации состояний фотоэлементов на своем входе на два класса, а это есть аналог различения двух объектов.
Но простым различением дело не ограничивается. Перцептрон в состоянии различить не просто разные объекты, но и вариации этих объектов, т. е. он способен производить классификацию. Например, он может сгруппировать в два класса множество различных начертаний двух букв. В процессе распознавания он может ошибаться, но тут же самостоятельно исправляется за счет обучающего эффекта. Обучающее воздействие реализуется в виде изменения коэффициента усиления при ошибке, что расценивается как наказание и требует повторного акта распознавания этого объекта. Повторная ошибка влечет еще большее изменение коэффициента усиления. В конце концов задача неизбежно решается правильно.
В работе перцептрона особо примечательны два обстоятельства. Первое – это случайное распределение связей между фотоэлементами и элементами «память». Это значит, что в конструкции реализован упоминавшийся уже всеобщий принцип организации природы – упорядоченное в случайном (порядок из хаоса). Естественно, что этот принцип должен быть приложим и к работе мозга и психики. Поэтому возникают большие сомнения в абсолютной правомерности выдвинутого советской психологией принципа детерминизма. По-видимому, с неменьшим основанием можно говорить об индетерминизме психического, о его не меньшем подчинении вероятностным законам, чем причинно-следственным [249, 254]. Известно, что
«строгий детерминизм приводит к огромной ошибке в конечных состояниях при ничтожно малых начальных возмущениях, а случайность – к детерминизму результата, осредненного по многим реализациям... Вероятностные законы игры в кости парадоксально дают детерминизм – независимость результата от пути процесса, порядок, возникающий из хаоса» [390, с. 151–152].
Исходная хаотичность нервных ансамблей (в том числе имитируемой перцепт-роном сетчатки

глаза) приводит в конечном счете к стабильным психологическим эффектам. Второе замечательное обстоятельство заключается в том, что описанное выше обучение перцепт-рона осуществляется не по заранее составленной программе, а самостоятельно через поощрение и наказание. Оба отмеченных момента можно отнести к принципам самоорганизации!
Однако перцептрон – это не завершенный продукт инженерно-технической мысли, предназначенный для широкого внедрения, а модель несложного процесса обработки информации. И даже его самые совершенные модели не воплощают пока что всех идей
Розенблатта. Тем не менее «по принципу работы перцептрона построены универсальные программы для ЭВМ, обучающиеся медицинскому и техническому диагнозу, интерпретации геофизических данных, прогнозу погоды и т. д.» [310, с. 257].
Хотя теория и практика перцептронов «является первой в мировой литературе попыткой изложения статистических принципов построения мозгоподобных устройств» [272, с. 9], сам
Розен-блатт скромен и ссылается на целый ряд предшественников: «...автор отнюдь не претендует на оригинальность. В частности, используемая нейронная модель непосредственно восходит к модели, впервые предложенной Маккалоком и Питтсом; основная философская концепция сформировалась под сильным влиянием теорий Хебба и Хейка и экспериментальных данных Лешли; особое пристрастие, которое автор питает к вероятностному методу, было не чуждым и другим теоретикам, таким, как Эшби, Аттли, Минский, Маккей и фон Нейман» [325, с.
25].
Действительно, эти ученые внесли огромный вклад в развитие моделирования психики, правда, придерживаясь несколько иных, нежели Ф. Розенблатт, принципов. Так, первые идеи по теории автоматов, способных моделировать психические процессы и поведение, были изложены
У. Маккалоком и У. Питтсом еще в 1943 году [205]. Суть их предложений сводилась к тому, что поскольку активность нейрона подчиняется закону «Все или ничего», то нервную деятельность можно изучать методами математической логики. Они доказали принципиальную возможность построения моделей-автоматов, имитирующих работу нейронных сетей. Правда, в дальнейшем пришлось признать, что в рамках математической логики удовлетворительной адекватности с естественными нервно-психическими процессами достичь невозможно. Тем не менее идеи У.
Маккалока и У Питтса дали толчок множеству последующих исследований по моделированию психики и теории автоматов.
Моделирование психических явлений
Наибольшие успехи на пути имитации работы нейрофизиологических механизмов сопутствовали моделированию восприятия, памяти и мышления. Правда, надо заметить, что жесткая дифференциация этих направлений не совсем правомерна. Так, уже на примере перцептрона видно, что отделить друг от друга процессы восприятия и памяти в моделировании невозможно (впрочем, как и у естественных носителей психики). Доказательством такой переплетенности служит и тот факт, что моделирование восприятия началось в связи с моделированием мышления [46]. Поэтому будем пользоваться подобным разделением, памятуя о его условности.
Тогда в области моделирования восприятия (а точнее, опознавания в его различных модификациях [245,246]) необходимо указать на классические работы концептуального характера
Ф. Хей-ка [447] и А. Аттли [489], реализующие идею о том, что механизм человеческого восприятия основан на использовании классифицирующей системы. Не менее известны попытки
Д. Хебба объединить структурный и функциональный подходы при моделировании восприятия и
памяти [448]. В традиционном для информационного подхода ключе работал Ф. Джордж. При
этом он особо подчеркивал, что «следует твердо помнить, что кибернетика как научная дисциплина тесно связана с бихевиоризмом и является прямым его ответвлением. Бихевиористы, по существу, всегда подходили к организму так, как если бы этот организм был машиной» [109].
Дж. Дейч ввел учет вероятностных факторов при распознавании образов [436]. Немалый вклад в эту область познания внесли и наши отечественные ученые. Так, широко известна гипотеза
«компактности образа» Э. М. Бравермана [16] и концепция М. М. Бонгарда, согласно которой человек (и машина) ни одну задачу не решает как совершенно новую, а использует свои способности «узнавать» сходные признаки с уже известными и строить аналогии, опираясь на способности к абстрагированию [42]. Теорией перцептронов занимались Е. И. Соколов [352], В. П.
Сочивко [355] и другие наши ученые.
Техническая реализация всех этих идей касается главным образом двух модальностей: зрительной и слуховой. При этом акцент делается на восприятии речи (письменной и звуковой) как наиболее «человеческом» информационном канале связи. В ряду таких разработок наибольшую известность получили «читающие» машины Дж. Калбертсона, Дж. Дейча, Ф.
Джорджа, О. Селфрид-жа, А. Раппопорта, «слушающие» машины К. Девиса-, Р. Биддаль-фа и С.

Балашека, Д. Фрая и П. Денеса, Г. Даули и С. Балашека, обзор которых приведен в работах
[46,47]. В нашей стране также конструировались подобные автоматы. Например, «динамический анализатор» Л. П. Мясникова [226], «слушающий автомат» Н. Е. Кирилловаи Л. В. Фаткина [155] и другие реализации [282].
Завершить наш мини-обзор моделирования восприятия через обращения к нервному субстрату психики хотелось бы указанием на работы Л. М. Веккера как на связующее звено между моделированием физиологических и психологических механизмов [60, 61, 62]. Он настойчиво проводит мысль о необходимости при математическом и техническом моделировании психики учитывать ее специфику: «Конструируемые устройства функционируют по независимым схемам и моделируют не построение чувственного образа в его специфических структурных и функциональных характеристиках, а конечный результат акта опознания – выдачу соответствующего сигнала. Это различие все-таки осознается, и соответствующие устройства относятся большинством авторов не к модели восприятия, а именно к моделям опознания. Но, с другой стороны, необходимо было, очевидно, пройти данный этап моделирования, идущий изнутри техники и ее собственными средствами, чтобы можно было отчетливо выявить те существенные различия, которые имеют место в реализации соответствующих функций современными перцептивными машинами и сенсорными системами человека, и вскрыть те ограничения, которые заключает в себе чисто инженерный путь моделирования. Так, сопоставление показывает, что если по пропускной способности и количеству операций в единицу времени автоматы значительно превосходят функции сенсорных систем человека, то по таким важнейшим показателям, как надежность, помехоустойчивость, гибкость, универсальность, работа современных перцептивных автоматов несоизмеримо отстает от психофизиологических сенсорных функций человека» [60, с. 8]. Л. М. Веккер полагает, что преодолеть лакуну между знаниями физиологическими и психологическими, а также разрыв между методами математико- техническими и психологическими в моделировании психических явлений должен подход к изучению психики, опирающийся на общие для всех этих областей знания, принципы и категории.
Таким подходом, по мнению Л. М. Веккера, является кибернетический синтез. Кибернетический синтез в качестве одной из основных категорий использует категорию «информационные процессы», выполняющую роль «посредствующего звена между общефилософским понятием отражения и конкретными понятиями нервных и нервно-психических явлений». Эту категорию он характеризует как «систему научных понятий, адекватно отражающую процесс приема информации, ее кодирования, хранения, декодирования, переработки по определенным алгоритмам, перекодирования осведомительной информации в командную и использования последней для регулирования функций исполнительных органов системы управления» [60, с. 14, с. 15]. Однако Л. М. Веккер с сожалением отмечает, что единый научный язык кибернетического синтеза пока «находится в стадии становления, а адекватный перевод психологических понятий на этот язык не только еще не осуществлен, но на пути его реализации стоят принципиальные трудности» [60, с. 10]. На эти трудности мы указывали выше, считая их действительно принципиальными и навряд ли преодолимыми (по крайней мере, в обозримом будущем).
В тесной связи с моделированием восприятия развивалось и моделирование памяти, поскольку познавательные процессы включают в себя как сенсорно-перцептивные, так и мнемические компоненты. Но тем не менее в разных работах делались разные акценты. Одно время в столь мощном направлении в науке, как когнитивная психология, главной задачей считалось выяснение механизмов хранения и извлечения информации из памяти [353]. Если вообще говорить об упоминавшихся информационных процессах, то они немыслимы без механизмов запоминания, хранения и воспроизведения информации.
Однако «ни одному исследователю не удалось обнаружить в мозгу живых существ четко определенных запоминающих механизмов. В связи с отсутствием объекта для модели само понятие «моделирование памяти» становится несколько неопределенным» [46, с. 52]. Поэтому разработка действующих моделей памяти серьезно отклоняется от принятых в психологии представлений о памяти. Это касается как форм прижизненной памяти, так и ее основных операций. В психологии считается, что наша память в зависимости от срока хранения представлена несколькими формами: мгновенная; кратковременная; промежуточная; долговременная двух типов (к которой имеется произвольный доступ и к которой такого доступа нет); оперативная, функции которой предположительно выполняет кратковременная память.
Инженерно-техническое моделирование ограничивается только двумя формами
– долговременной (ДП) с произвольным доступом и кратковременной (КП), не отличаемой от оперативной. При этом объем и содержание долговременной памяти в этих устройствах исходно заданы и неизменны, и лишь оперативная память может пополняться, уточняться,

переструктурироваться. Соотношение объемов этих форм памяти в ЭВМ примерно 100:1 в пользу долговременной. Что касается мнемических операций, то классические для психологии процессы активного запоминания, хранения, забывания и воспроизведения (в виде узнавания, вспоминания, припоминания и воспоминания) [248] значительно видоизменены. Так, запоминание представляется как сумма ввода информации (психологический аналог – восприятие) и ее закрепление, хранение – как пассивный процесс без преобразования и переработки поступившей информации, забывание, как правило, отсутствует, а воспроизведение представлено в основном операци-ей узнавания. Все это является прямым следствием принципиальных различий между человеком и машиной, главным из которых в этом контексте выступает наличие у человека и отсутствие у машины внутреннего субъективного мира. А следовательно, в отношении даже самой «умной» машины трудно говорить о произвольности, активности, осознанности ее операций. Технически мнемические операции в ЭВМ реализуются по сходному с перцептронами принципу, а именно с помощью двоичного кода. Соединение «элементов памяти» шифруется как
1, а их разъединене как 0. Каждый элемент может быть в одном из двух состояний: возбужден – не возбужден; заряжен – не заряжен; замкнут – не замкнут и т. д. Переход элемента в иное состояние «очищает» память. Любая новая информация шифруется новой комбинацией элементов.
Наиболее сложным в техническом исполнении считается процесс воспроизведения, точнее узнавания. Его первые воплощения базировались на простом переборе «следов памяти» и их сличении с признаками опознаваемых объектов. Впоследствии были использованы и другие технические идеи и принципы. Но все они так или иначе опираются на биохимические или физиологические теории памяти. Биохимические (внутриклеточные) концепции апеллируют к молекулам рибонуклеиновой кислоты (РНК), способным принимать невообразимо большое число состояний (до 10 20
) и резонировать на повторные воздействия. Эти состояния РНК и являются кодами сигналов. Их закрепление происходит при сильных, длительных или повторных воздействиях. Согласно знаменитой «двуступенчатой гипотезе», обратимые состояния РНК являются основой КП, а необратимые – ДП. Физиологические теории основное внимание обращают на взаимодействие нейронов, на работу нейронных ансамблей, основным: соединяющим элементом которых является синапс. Шифруется информация путем структурно- функциональных изменений в синапсах. Наиболее известная реализация этой идеи – «гипотеза консолидация следов». Пожалуй, сюда же надо отнести и так называемую «анатомическую теорию», согласно которой в двух возбужденных нейронах появляется способность к развитию направленных друг к другу коллатеральных ветвей, между которыми в течение часа образуется синапс.
Одна из первых концептуальных моделей памяти такого рода была предложена Д. Векслером в 1939 году [490]. Он считал, что формирование мнемического следа связано со структурными изменениями клеточных ядер вставочных нейронов. Первое же инженерное решение модели памяти с опорой на физиологию было предпринято Н. Рочестером в начале 1950-х годов. Он на
ЭВМ продемонстрировал диффузную реверберацию возбуждения нейронных цепочек, лежащую в основе процессов восприятия и запоминания [46]. Позже действующие модели были предложены Дж. Калбертсоном [435], Д. Стьюартом [484] и другими [441]. Модель, основанная на принципах условно-рефлекторной деятельности («обучаемая матрица»), была разработана К.
Штейн-бухом [414]. Из этого ряда несколько выделяются ассоциативные модели Л. П. Крайзера и
Н. М. Амосова, реализующие психологические теории памяти [6, 8]. Попытку выйти за ограничение объема памяти через смысловую переработку информации предпринял Дж. Холланд
[449].
Несмотря на всю важность работ по моделированию восприятия и памяти, наибольший интерес представляет, конечно, моделирование мышления – высшего познавательного процесса, специфически человеческой способности. Здесь трудности моделирования связаны, во-первых, так же, как и для памяти, с неопределенностью мозговой локализации мыслительных процессов и, во-вторых, с «недостаточной изученностью процесса мышления» психологами [293, с. 5]. В результате нет ясного представления об объекте моделирования ни с точки зрения физиологии, ни с точки зрения психологии. Наибольшее признание в компьютерно-техническом моделировании мышления получила его трактовка как «целенаправленная переработка информации», причем эта переработка представляется в форме решения задачи, что, видимо, справедливо, если считать этап решения задачи центральным звеном в процессе мышления.
Но совершенно очевидно, что переработка информации, пусть даже целенаправленная, не то же самое, что мыслительная деятельность человека, неизбежно включающая в себя и эмоциональные, и волевые, и мотивационные компоненты. К тому же психологический и

информационно-кибернетический аспекты мышления по-разному трактуют процесс переработки информации. Согласно математической теории связи К. Шеннона, входящей в основание кибернетики, во-первых, содержание сообщения «совершенно несущественно проблеме передачи информации» [405, с. 405], и, во-вторых, «количество информации не может возрастать в процессе ее передачи, после того как она покинула источник» [90, с. 339]. В плане психологическом, несомненно, содержание информации играет самую существенную роль в ее
«субъективной транспортировке», а сама информация не только «получается» субъектом от какого-то источника, но и «возникает» у него в процессе мышления, добывается, вычерпывается им из объекта и тем самым все время увеличивается. «Процессуальный, динамический характер мышления означает, что оно постоянно обогащается, насыщается все новым и новым содержанием» [49, с. 167]. По-видимому, этим можно объяснить, что моделируется в основном логическое (дискурсивное) и конвергентное (репродуктивное), но не интуитивное и не дивергентное (творческое) мышление. Даже так называемое «эвристическое программирование», опирающееся на теорию игр и учитывающее вероятностные факторы, все-таки не может претендовать на имитацию ни интуитивного, ни дивергентного мышления. А. В. Брушлинский, подытоживая наиболее бурный этап кибернетического моделирования мышления в 50-60-е годы
XX в. пишет: «Если действительно любое мышление всегда продуктивное (творческое), то, как мы видим, неизбежен отрицательный ответ на столь волнующий многих вопрос: «Может ли машина мыслить?» Если наряду с творческим все же существует еще и так называемое репродуктивное
«мышление», тогда этот ответ окажется положительным» [49, с. 179].
Историю построения действующих моделей мышления, видимо, надо начинать с первых конструкторских решений вычислительных операций, т. е. с первых арифмометров.
Действительно, любое решение математической задачи требует от человека интеллектуальных усилий. Первые механические арифмометры, способные выполнять арифметические действия, были разработаны в середине XIX в. предпринимателем и изобретателем Томасом де
Кольмаром. В 1878 г. усовершенствованный вариант арифмометра предложил русский математик
П. Л. Чебышев. В 1904 г. А. Н. Крылов разработал проект машины, способной решать дифференциальные уравнения. Первая половина XX в. знаменуется переходом от механических воплощений решающих машин к электрическим, а во второй половине столетия на ведущие позиции выходит электронная техника, способная реализо-вывать самые сложные алгоритмы и программы. Таким образом, моделирование мышления и совершенствование вычислительной техники невозможны друг без друга, это настоящий симбиоз.
Первую успешную попытку смоделировать на цифровой вычислительной машине (ЦВМ) интеллектуальный процесс совершили в 1950-х годах американские ученые А. Ньюэлл, Г. Саймон и Дж. Шоу [463,464,465]. Они писали, что хотели понять, как математик приходит к доказательству теоремы, даже если он вначале не знает, как ему это сделать и сможет ли вообще ее доказать.
Их программа «Логик-теоретик» состоит в последовательном переходе от одного этапа к другому при непрерывном изменении состава проблем. Ведущую роль в программе играют алгоритмы сравнения и подобия. Процесс продолжается до тех пор, пока в результате решения подпроблем не будет решена основная проблема или пока не будет нарушено одно из ограничений программы.
Позже этими же исследователями была разработана программа «Общий решатель задач»
(ОРЗ). От предыдущей модели эта программа отличалась тем, что пересмотр всех подпроблем осуществлялся не последовательно от одной к другой, а по оптимальному пути. Направление пересмотра подпроблем может меняться в зависимости от успешности или безуспешности решения текущей подпроблемы. Иначе говоря, в программе объединены две логические системы: поиск решения задачи и анализ средств достижения цели. Для этого используется абстрагирование от конкретных деталей первоначально заданных объектов и условий.
После этих первых успехов работы по моделированию решения задач пошли потоком.
Появляются программы эвристического характера. Они «характеризуются способностью решать задачи индуктивным путем при недостаточной дедуктивной информации» [46, с. 70]. У. Рейтман предлагает программу «Аргус», а вместе с М. Санчесом он изобретает программу «Композитор»
[322]. Г. Гелентор составляет программу решения геометрических задач с элементами самообучения. Примечательна программа ученика Ньюэлла и Саймона Дж. Кларксона, моделирующая работу банковского консультанта по покупке акций. Эта программа сугубо практической направленности выдавала клиентам советы, почти совпадающие с советами настоящих консультантов. Интересен метод поиска закономерностей по множествам положительных и отрицательных примеров, предложенный Д. С. Миллером и названный инициалами автора «ДСМ-метод» [292]. Все эти (как и многие другие) программыде-монстрируют

совмещение моделирования физиологических и психологических механизмов. В них нет прямой апелляции к нервному субстрату, но в целом подход реализует идею моделирования той субстанции (причины), от деятельности которой зависит решение задачи (результат – следствие).
Совершенно оригинальное но в принципе характерное для этого подхода решение предложил
Н. И. Кобозев [157]. Он обращается не просто к нервному субстрату психики, а к атомно-мо- лекулярному уровню организации нервной системы и организма в целом. Раз организм человека состоит из атомов и молекул, а психическая деятельность предопределена работой организма, то и механизмы психической деятельности должны быть сложены из атомов и молекул. Этот посыл позволяет анализировать процесс мышления с позиций термодинамики. Одной из характеристик любой молекулярно-кинетической системы является наличие в ней самопроизвольных процессов, переводящих систему во все более устойчивое состояние. Мерой этих переходов из состояния в состояние выступает энтропия. Далее Н. И. Кобозев доказывает, что логическое мышление является именно таким самопроизвольным процессом,
но
в котором отсутствует неупорядоченность, т. е. энтропия равна нулю. Но это противоречит законам термодинамики, поскольку при этом температура тела мыслящего человека должна была бы равняться абсолютному нулю. Таким образом, считает Н. И. Кобозев, мышление как однозначное логическое суждение – единственное естественное явление, приводящее к конечному идеальному результату – безэнтропийному состоянию. Отсюда делается вывод, что мышление осуществляется при помощи не обычных молекулярных механизмов, а при помощи либо специальных субатомных механизмов (и надо найти соответствующие нейтральные частицы), либо сверхмолекулярных механизмов, присущих неизвестным пока свойствам биологических форм движения материи. Версия Н. И. Кобозева – хороший пример того, как процесс
моделирования может изменять наши представления об объекте-прототипе.
Дальнейшее развитие моделирования мышления, а шире – познавательных возможностей человека, приводит к формированию самостоятельного направления в науке – моделированию
искусственного интеллекта. Объем разработок здесь невообразимо велик. Как замечает один из авторитетных специалистов в этой области П. Уинстон, «идеи и модели появляются почти ежемесячно» [374, с. 6]. С 1969 года регулярно проходят международные конференции по проблемам искусственного интеллекта.
Однако, несмотря на столь мощный штурм, до сих пор не предложено модели искусственного интеллекта, удовлетворяющей возлагавшимся на него ожиданиям. Видимо, главными причинами этого являются три обстоятельства: неизбежная субъективность человеческих знаний, ограниченные возможности информационного подхода в психологии и недостаточная ясность в науке с категорией «интеллект». Первая причина есть глобальная проблема науки: какова степень объективности (иначе, «истинности») наших знаний, добытых с помощью психического отражения? Как остроумно замечают некоторые ученые, «в действительности все выглядит иначе, чем на самом деле» [75, с. 16]. Вопрос этот в моделировании обостряется вдвойне, поскольку любая модель является некоторым приближением к нашим представлениям об изучаемом объекте. Иначе говоря, модель по отношению к прототипу выступает аналогом второго порядка, т. е. аналогом нашего субъективного аналога-образа. Дело усугубляется и одним из основных принципов моделирования – упрощением. «Модель нельзя сконструировать без упрощающих допущений» [94, с. 125].
Что касается второй причины слабой разработанности искусственного интеллекта, то уже отмечалось, что ни информационный подход в целом, ни его компьютерные реализации в полной мере не могут ни описать, ни воспроизвести высшие психические функции человека (мышление, воображение, волю, чувства) ни по отдельности, ни тем более в их единстве, что присуще психической деятельности человека. Особенно на этом настаивают психологи, не устающие указывать на исключительную сложность и уникальность предмета психологии. Так, Н. М. Амосов считал, что психологические понятия «мышление», «вера», «долг», «совесть» «непригодны для моделирования» [5, с. 5]. О. К. Тихомиров уверен, что «преимущество психологических понятий состоит в том, что они фиксируют более сложные стороны реальности; такие, от которых абстрагируется «автоматный» подход» [145, с. 20]. И, несмотря на изменения содержания понятия «искусственный интеллект» [50, 93] и приложение к нему самых современных информационных теорий (например, теории фреймов) [108,146] и использование самых разнообразных и совершенных методов компьютерного моделирования (например, МЛСУ – метод линейных структурных уравнений) [94, 95, 143, 370], искусственной модели, сопоставимой с интеллектом человека, получить не удается. Такое положение дел даже побудило некоторых исследователей искать эклектические пути моделирования интеллектуальнной деятельности [64].
Третьим важным фактором, препятствующим построению удовлетворительного искусственного

интеллекта, выступает слабая разработанность в психологической науке процессов мышления и воображения, а соответственно и феноменов интеллекта и креативности. На этот факт указывают как сами психологи, так и специалисты из других областей знания, занимающиеся моделированием психики. Для иллюстрации достаточно привести высказывание Л. М. Веккера:
«Дальнейшее движение вперед в области разработки «искусственного интеллекта» упирается в состояние психологической теории естественного интеллекта» [ 142, с. 196]. А это состояние наглядно характеризуется сакраментальным вопросом, поставленным одним из ведущих специалистов в этой области – М. А. Холодной: «Существуетли интеллект как психологическая реальность?» [396, 397].
Для более подробного и глубокого знакомства с проблемой искусственного интеллекта отсылаем читателя к наиболее полным обзорным и обобщающим работам отечественных и зарубежных авторов [50, 198, 232, 257, 348, 374, 393,423].
Что касается моделирования регуляционных процессов психики (эмоций, чувств, воли, мотивации и др.), то здесь достижения скромнее, нежели в моделировании когнитивных процессов. Тем не менее известны многочисленные попытки смоделировать эмоциональную сферу человека. Однако особых успехов констатировать не приходится. Скорее всего это объясняется сугубой субъективностью аффективных явлений, в которых компонент переживания
(субъективная сторона психического) значительно преобладает над компонентом знания
(объективная сторона психического). Переживательная составляющая эмоций и чувств, видимо, очень плохо поддается формализации и не вписывается в информационные модели. В нашей стране наиболее плодотворные разработки в этой сфере связаны с именем В. С. Старинца [7,
357].
Несколько большего добились ученые в моделировании мотивации, которое идет рука об руку с моделированием эмоций и других проявлений личности. Однако «пока не известны успешно функционирующие модели этого явления» [47, с. 222]. Тем не менее упомянем модели
Ф. Джорджа и К. Прибрама. Ф. Джордж толковал мотивацию как метод, с помощью которого отбирается данный способ поведения из множества возможных. В кибернетическом моделировании это связано с выбором характеристики «положительности» и отказом от характеристики «отрицательности». Как писал Ф. Джордж, «все события, происходящие с машиной в течение ее «жизни», постепенно из нейтральных будут становиться либо положительными, либо отрицательными» [ 108, с. 250], Модель К. Прибрама увязывает мотивированное поведение с нейрофизиологическими структурами.
Так, психически переживаемая боль, по К. Прибраму, это внезапное и быстрое увеличение кортикального катексиса, за которым стоит местное распространяющееся возбуждение, приводящее к распространяющемуся импульсному возбуждению [299].
От моделирования мотиваций и эмоций рукой подать и до моделирования личности. Но здесь к тем же ограничениям возможностей компьютерного моделирования, что характерны для регуляционной сферы психики, добавляются сложности, связанные с неизмеримо большей сложностью феномена личности как высшего интегратора всех психических явлений и с неоднозначностью понятия «личность» в науке. Несмотря на это, попытки создания действующих моделей личности предпринимались.
Самой знаменитой среди них является модель Дж. Лоулина [200,457], названная ее создателем «Личность Олдос» в честь известного английского писателя Олдоса Хаксли, художественное творчество которого посвящено проблемам человеческой личности и межличностным отношениям. Программа Олдоса состоит из 750 команд, реагирующих на вводимые в ЭВМ данные-ситуации. Ситуации различаются по виду и по последствиям для
Олдоса, что зашифровано в семизначном коде данных. В каждой ситуации Олдос ведет себя в зависимости от «настроения» и «накопленного опыта». «Действия» личности объективизируются на печатающем устройстве в виде цифровых кодов. «Настроение» Олдоса определяется видом и силой «эмоций». Их у него три: положительная – «желание» и две отрицательных – «страх» и
«гнев». В зависимости от преобладания той или иной «эмоции» Олдос «приближается»,
«удаляется» или «нападает». Причем при уменьшении интенсивности «эмоции» его «действия» замедляются вплоть до их прекращения. В «настроении» суммируются эмоции остаточные
(вызванные предшествующей ситуацией) и те, которые зависят от характера его «воспоминаний» о последствиях предъявленной ситуации. От суммарной эмоции и зависят его реакции. Если же в итоге ни одна из трех видов эмоций не возобладает, то возникает конфликт. В зависимости от очередных последствий определенных ситуаций у Олдоса могут меняться «взгляды» на нее, выработанные ранее, а, следовательно, при последующих предъявлениях такой же ситуации его решения могут быть иными, чем прежде.
Кроме «действий» Олдос может реагировать оценкой, «мнением» на те или иные

предъявления, что характеризует его как «личность» со своим «характером».
Лоулин проверял на своей модели влияние на развитие личности «средовых» и
«врожденных» факторов. Так, он «воспитывал» одного Олдоса в дружественной среде, а другого
– во враждебных ситуациях, сравнивал Олдосов с разным по числу ситуаций «жизненным опытом». Изменяя некоторые исходные характеристики «нормального» Олдоса, Лоулин сравнивал поведение «решительного» и «нерешительного» Олдосов.
Подводя итоги моделирования физиологических основ психики, следует воздать должное энтузиазму, дерзости мысли и творческой плодовитости исследователей. Результаты их работы кардинально повлияли на развитие техники XX столетия. Но о сущности человеческой души, увы, знаний не добавили.
14.5.1.3. Моделирование психологических механизмов
Руководствуясь приведенным выше определением психологических механизмов, отнесем к данному направлению все работы, дающие в том или ином виде описание любых психических явлений и любых форм и уровней психологической организации животных, человека и социальных групп. И тогда любые умозрительные построения и любые теоретические
обобщения эмпирического материала, известные психологической науке, выступают
психологическими моделями психики или ее проявлений. Эмпирический материал поставляет психологическое моделирование и естественное наблюдение.
Указанные модели презентируются через описания в знаковой форме. По характеру воспроизводимых сторон психики это преимущественно структурные и смешанные модели, реже
– функциональные. Соответствующие примеры уже приводились выше.
Благодаря научной деятельности именно в этом направлении, современная психология подразделила все психические явления натри разряда: процессы, состояния и свойства. Правда, известны предложения ввести четвертый разряд – психические конструкты, куда должны быть включены такие психические явления, как образы, понятия, мотивы и другие образования, являющиеся как бы итогом протекания психических процессов или состояний [136 и др]. Именно этот вид моделирования позволил выделить три функциональных сферы психики со своими специфическими процессами, состояниями, свойствами и конструктами: познавательную
(когнитивную), регуляционную и интеграционную [80,81,242,247,251]. В рамках именно этого вида исследовательской деятельности и формулируются определения всех психических явлений от сенсорного порога до сознания, личности и деятельности. В конечном итоге именно этот вид научных изысканий формализует представления ученых о психической организации человека в виде разнообразных теорий личности и социально-психологического устройства общества.
14.5.2. Психологическое моделирование
Психологическое моделирование заключается в искусственном создании специальных условий, провоцирующих нужные по задаче исследования (обследования, обучения) ответные реакции, действия или отношения естественных носителей психики (людей или животных). Иначе говоря, исследователь в зависимости от предмета и задач исследования создает для изучаемого объекта специфическую психогенную ситуацию, в результате чего моделируется его поведение
(для человека в форме деятельности и общения).
Сопоставляя исходные условия психогенной ситуации с параметрами поведения объекта, можно, во-первых, получать косвенные данные об организации и работе психики, которые могут быть использованы для ее изучения и моделирования, во-вторых, выявлять корреляционные, причинно-следственные, а иногда и функциональные связи между психогенными воздействиями и особенностями поведения, что дает основания для выведения психологических закономерностей, и, в-третьих, разрабатывать эффективные приемы воздействия на людей с целью оказания им психологической помощи.
Основные особенности психологического моделирования
1. Естественные объект и предмет исследования – люди (животные) и их психика.
2. Искусственность условий исследования (например, экспериментальная лаборатория, диагностический центр, психотерапевтический кабинет).
3. Применение моделирующих средств – методических пособий (например, инструкций, анкет, стимулького материала), технических устройств (например, экспонирующегооборудования, измерительной аппаратуры) или фармакологических средств (например, барбитуратов в некоторыхвидах психотерапевтических воздействий или психоделиков в трансперсональной психологии).
4. Целенаправленность воздействий на объект.

5. Гуманизация воздействий.
6. Программирование процедуры воздействий (от минимума регламентации при свободной беседе до максимума при тестировании или лабораторном эксперименте). 7. Регистрация воздействующих (ситуационных и процедурных) факторов и ответов объекта изучения.
Сформировать психогенную ситуацию можно с помощью любого эмпирического метода психологии вплоть до спровоцированного наблюдения и интроспекции. Наиболее характерны в этом отношении, безусловно,
лабораторный
эксперимент,
тестирование,
психофизиологические и психотерапевтические методы.
Психологическое моделирование является неотъемлемой формой всех видов психологической работы: исследования, диагностики, консультирования, коррекции. В психотерапевтической практике именно сами психогенные ситуации зачастую выступают инструментом оказания психологической помощи. Классический пример тому – психодрама, где, собственно, сценическое действо должно приводить к терапевтическому эффекту (катарсису).
Специфическим видом психологического моделирования являются психотренинги. В них особенно ярко представлены все перечисленные выше признаки этого направления.